1. Einführung in das Deep Learning

• Was sind neuronale Netze und wie lernen sie?
• Mathematische Grundlagen kompakt erklärt
• Neuronale Netze mit Keras und TensorFlow
• Modelle: Evaluation und Anpassung
• Modelle: Einsatz und Speicherung

2. Datenvorbereitung und Feature Extraction

• Datenvorbereitung mit Pandas
• Explorative Datenanalyse
• Standardisierung von numerischen Daten und Textdaten
• Feature Extraction: Merkmale aus Daten extrahieren
• Netze mit geringen Datenmengen trainieren

3. Spezialisierte neuronale Netze

• Konvolutionale neuronale Netze (CNN)
• Aktualisierung von Gewichten bei CNNs
• Max Pooling und Dropout
• Anlernprozesse überwachen mit TensorBoard
• Rekurrente neuronale Netze (RNN)
• Zeitreihenanalyse und Textverarbeitung mit RNN

4. Modelle deployen und Transfer-Learning

• Einsatz von Cloud-GPUs für Machine-Learning-Projekte
• Einführung in Transfer Learning und Modell Zoo
• Vorstellung von ImageNet, ResNet, VGG16
• Vortrainierte Layers in eigenen Projekten nutzen